Conhecimento de Arquitetura

“Nada que vale a pena saber pode ser ensinado”

Oscar Wilde

Objetivo

, Como ilustrado pelos Sistemas Simbólicos Program (SSP), na Universidade de Stanford, os avanços na computação e tecnologias de comunicação trazem sistemas de informação e conhecimento em um único funcional telhado, nomeadamente o processamento de representações simbólicas.

dentro desse entendimento, espera-se que o gerenciamento do conhecimento sombreie arquiteturas e preocupações de sistemas: contextos e objetivos de negócios, organização e operações corporativas, funcionalidades e tecnologias de sistemas. Por outro lado, o conhecimento sendo por natureza um recurso compartilhado de ativos reutilizáveis, sua organização deve suportar as necessidades de seus diferentes usuários independentemente da origem e natureza da informação. A gestão do conhecimento deve, portanto, vincular o conhecimento das arquiteturas à arquitetura do conhecimento.

Representação do Conhecimento

Em seu papel de artigo Davis, Shrobe, e Szolovits conjunto de cinco princípios para a representação do conhecimento:

1. Substituto: KR fornece uma simbólico de contrapartida real de objetos, eventos e relações.Compromissos ontológicos: um KR é um conjunto de declarações sobre as categorias de coisas que podem existir no domínio em consideração.
2. teoria fragmentária do raciocínio inteligente: um KR é um modelo do que as coisas podem fazer ou podem ser feitas.
3. média para computação eficiente: tornar o conhecimento compreensível pelos computadores é um passo necessário para qualquer curva de aprendizado.
4. meio para expressão humana: um pré-requisito do KR é melhorar a comunicação entre especialistas em domínio específico, por um lado, gerentes de conhecimento genérico, por outro lado.

Que coloca sistemas de informação como um caso especial de conhecimento, como eles preenchem os cinco princípios, mas com um funcional de qualificação:Como os sistemas de conhecimento, os sistemas de informação gerenciam representações simbólicas de objetos externos, eventos ou atividades supostamente relevantes.

os modelos de Sistema são afirmações sobre objetos e operações comerciais legítimos.

da mesma forma, os sistemas de informação destinam-se a suportar computação eficiente e interações fáceis de usar.

a única diferença é sobre o acoplamento: ao contrário dos sistemas de conhecimento, as informações e o controle desempenham um papel em seu contexto e as operações em substitutos não são neutras.

Arqueologia do conhecimento

construções do conhecimento são caixas vazias que devem ser devidamente preenchidas com fatos. Mas, como notoriamente exibido pelos alternativos, os fatos não são dados, mas devem ser observados, o que necessariamente implica algum observador, posto em tarefa, se não com interesses adquiridos, e algum aparato, natural ou feito de propósito. E se eles devem ser registrados, mesmo fatos “puros” observados a olho nu de crianças inocentes terão que ser traduzidos em alguma representação simbólica.Tomando o vento como exemplo, as meias de vento apoiam a observação imediata dos fatos, livres de qualquer significado simbólico. Para dar sentido aos seus comportamentos, são necessários wanes e Anemômetros, respectivamente, para azimute e velocidade; mas isso também requer estruturas simbólicas para direções e métricas. Finalmente, o conhecimento sobre os riscos de ventos fortes pode ser adicionado quando tais riscos devem ser considerados.

no que diz respeito às empresas, as caixas de conhecimento devem ser preenchidas com fatos sobre seu contexto e processos de negócios, organização e aplicativos e plataformas técnicas. Alguns deles serão produzidos internamente, outros obtidos de fontes externas, mas todos devem ser gerenciados independentemente de propósitos específicos.Qualquer que seja sua natureza (negócios, organização ou sistemas), a informação produzida pelas próprias empresas está, desde o início, pronta para uso, I.e organizado em torno de objetos ou processos identificados, com estruturas e semântica definidas.

esse não é necessariamente o caso de dados que refletem contextos externos (mercados, regulamentos, tecnologia, etc) que devem ser mapeados para preocupações e objetivos da empresa antes de serem de qualquer uso.

essa tradução de dados em informações pode ser feita imediatamente mapeando a semântica de dados para objetos e processos identificados; também pode ser adiada, com dados brutos gerenciados como tal até serem usados em um estágio posterior para construir informações.

de dados a informações

as informações são significativas, os dados não são. Mesmo ” fatos “não são maná do céu, mas têm que ser moldados de fenômenos em dados e, em seguida, informações, como sintetizado por dados binários, fragmentados ou” grandes”.

• dados binários são registros diretos de fenômenos físicos, por exemplo, sons ou imagens; mesmo quando indexados com palavras-chave, eles permanecem inúteis até serem associados, como características não simbólicas, a objetos ou atividades identificados.
• ao contrário dos dados binários, os dados fragmentados vêm em forma simbólica, mas como nuggets flutuantes com granularidade subnível; e como seu primo binário, essas descrições de granulação fina não têm sentido até serem anexadas a objetos ou atividades identificadas.
• os dados”grandes” são geralmente entendidos em termos de escalabilidade, pois se referem a grumos muito grandes para serem processados individualmente. Também pode ser definido como uma generalização de dados fragmentados, com alvos identificados reagrupados em agregados mais significativos, movendo a granularidade direcionada para cima da escala para algum nível “esmagador”.

como o conhecimento só pode ser construído a partir de descrições simbólicas, os dados devem ser primeiro traduzidos em informações feitas de unidades identificadas e estruturadas com semântica associada.

diante de dados “brutos” (também conhecidos como não processados), os gerentes de conhecimento podem escolher entre duas políticas: as informações podem ser “extraídas” de dados usando meios estatísticos ou o estágio de informação simplesmente ignorado e os dados usados diretamente (também conhecidos como interpretados) por agentes “experientes” de acordo com seu contexto e preocupações.

na verdade, ambas as Políticas dependem de agentes experientes, sendo a questão quem são os “mineiros” e o que eles devem saber. Teoricamente, os mineradores poderiam ser Ferramentas totalmente automatizadas capazes de extrair padrões de informações relevantes de dados brutos sem qualquer informação prévia; praticamente, essas ferramentas terão que ser alimentadas com alguma “inteligência” anterior sobre o que deve ser procurado, por exemplo, Amostras para redes neuronais ou variáveis para regressão estatística. Daí a necessidade de algum tipo de formatos, blueprints ou modelos que ajudarão a enquadrar dados aproximados em informações.

propriedades da Informação

o conhecimento deve ser construído a partir de informações precisas e atualizadas sobre o estado de coisas externo e interno e, para esse fim, os itens de informação devem ser gerenciados de acordo com sua fonte, natureza, ciclo de vida e relevância:

• fonte: governo e administrações, ONG, mídia corporativa, mídia social, empresas, sistemas, etc.Natureza: eventos, decisões, dados, opiniões, avaliações, etc.
• tipo de âncora: individual, instituição, tempo, espaço, etc.
• ciclo de vida: instantâneo, relacionado ao tempo, final.Relevância: rastreabilidade em relação aos objetivos de negócios, operações de negócios, organização e gerenciamento de sistemas.

com base nisso, a gestão do conhecimento terá que mapear o conhecimento para sua pegada de informação em termos de confiabilidade (fonte, precisão, consistência, obsolescência, etc.) e riscos.

da Informação ao conhecimento

a informação é significativa, o conhecimento também é útil. Como modelos de informação, as representações de conhecimento devem primeiro ser ancoradas às unidades de persistência e execução, a fim de apoiar a consistência e continuidade das identidades substitutas (princípio #1).

essas âncoras devem ser atribuídas a domínios gerenciados por unidades organizacionais únicas responsáveis por compromissos ontológicos e enriquecidos com estruturas, características e associações (princípio #2). Dependendo de seu escopo, estrutura ou recurso, a semântica deve ser gerenciada respectivamente por domínios persistentes ou de aplicativos.

da mesma forma, as ontologias podem visar objetos ou aspectos, sendo o primeiro associado a subtipos estruturais, o último com os funcionais.

diferenças entre modelos de informação e representação de conhecimento aparecem com regras e restrições. Embora o objetivo dos sistemas de informação e controle seja gerenciar objetos e atividades de negócios, o objetivo dos sistemas de conhecimento é gerenciar conteúdos simbólicos independentemente de suas contrapartes reais (princípio #3).

regras padrão usadas na modelagem de sistemas descrevem operações permitidas em objetos, atividades e informações associadas; elas podem ser expressas para frente ou para trás:

• as regras Forward (também conhecidas como push) são Condições sobre quando e como as operações devem ser executadas.
• regras para trás (também conhecidas como pull) São restrições à consistência de representações simbólicas ou à execução de operações.

Supondo-se uma continuidade entre a informação e o conhecimento, as representações, o ponto de inflexão seria marcado pela introdução de modalidades qualificados verdade os valores de, e.g, de acordo com temporal e lógica fuzzy:

• Temporal extensões irá colocar selos de tempo em valores de verdade das informações.
• a lógica Fuzzy coloca níveis de confiança nos valores da verdade da informação.

é aí que os sistemas de conhecimento se afastam dos sistemas de informação e controle à medida que introduzem uma nova teoria do raciocínio inteligente, baseada na fluidez e volatilidade do conhecimento.

os significados estão nas mãos de quem os vê

visto em um contexto corporativo, o conhecimento pode ser entendido como informação enquadrada por contextos e impulsionada por propósitos: como administrar um negócio, como desenvolver aplicativos, como gerenciar sistemas. Daí a dupla perspectiva: por um lado, a informação é regida por preocupações empresariais, funcionalidades de sistemas e Tecnologia de plataformas; por outro lado, o conhecimento é impulsionado por processos de negócios, engenharia de sistemas e gerenciamento de serviços.

Que fornece uma clara e abrangente taxonomia de artefatos, para ser usado para construir o conhecimento a partir de camadas inferiores de informações e dados:

• analistas de Negócios precisa saber sobre domínios de negócio e atividades, organização e aplicativos, e qualidade do serviço.
• os engenheiros de Sistema precisam saber sobre projetos, funcionalidades de sistemas e implementações de plataforma.
• os gerentes de Sistema precisam saber sobre locais e operações, Serviços e implantações de plataforma.

a dupla perspectiva também aponta para a dinâmica do conhecimento, com a informação sendo empurrada pelas suas fontes, e o conhecimento sendo puxado por seus usuários.

a Time for Every Purpose

conforme entendido pela cibernética, as empresas são sistemas viáveis cujo sucesso depende de sua capacidade de contrariar a Entropia, I.e o rebaixamento progressivo das informações usadas para governar as interações tanto dentro da própria organização quanto com seu ambiente.

em comparação com o conhecimento de arquitetura, que é organizado de acordo com o conteúdo da informação, a arquitetura do conhecimento é organizada de acordo com as preocupações funcionais e a vida útil da informação, e seu objetivo é manter a informação interna e externa em sincronia:

• planejamento de objetivos e requisitos de negócios (internos) em relação à evolução e oportunidades dos mercados (externos).
• avaliação de unidades e procedimentos organizacionais (internos) em consonância com ambientes regulatórios e contratuais (externos).
• acompanhamento de operações e projetos (internos) junto com vendas e cadeias de suprimentos (externas).

isso colocou significados (que seriam conhecimento) nas mãos dos tomadores de decisão, respectivamente para Estratégia Corporativa, organização e operações. Além disso, as empresas, sendo entidades vivas, vida útil e sustentabilidade funcional, devem se aglutinar em camadas consistentes e homogêneas:

• as escalas de tempo empresariais (também conhecidas como negócios, também conhecidas como estratégicas) são definidas por ambientes, objetivos e decisões de investimento.As escalas de tempo da organização (também conhecidas como funcionais) são definidas pela disponibilidade, versatilidade e adaptabilidade dos recursos.

essa congruência de escalas de tempo, arquiteturas e propósitos em camadas de corte é indiscutivelmente um fator-chave de sucesso do gerenciamento de Conhecimento.

pesquisar e esticar

como já observado, o conhecimento é impulsionado por propósitos e os propósitos, não se limitando a domínios ou reservas, estão fadados a expandir o conhecimento em contextos de negócios e limites organizacionais. Isso pode ser alcançado por meio de pesquisa, lógica e classificação.

• as pesquisas coletam as informações relevantes para as preocupações dos usuários (1). Isso pode satisfazer todas as necessidades de conhecimento, ou fornecer uma espinha dorsal para uma maior extensão.
• as pesquisas podem ser combinadas com ontologias (também conhecidas como classificações) que colocam as mesmas informações sob novas luzes (1b).
• operações de preservação da verdade usando matemática ou linguagens formais podem ser aplicadas para produzir informações derivadas (2).Finalmente, novas informações com níveis de confiança reduzidos podem ser produzidas através do processamento estatístico (3,4).

por exemplo, o tráfego observado em estradas com pedágio (1) é usado para fins contábeis (2), para prever a evolução do tráfego (3), para analisar tendências sazonais (1b) e simular pedágios sazonais e variáveis (4).

essas operações implicam consequências claras para a gestão do conhecimento:

na medida em que as distâncias computacionais não afetam os níveis de confiança, as operações de preservação da verdade são neutras em relação ao KM.

as classificações são ferramentas simbólicas projetadas de propósito; como consequência, todo o conhecimento associado a uma classificação deve permanecer sob a responsabilidade de seu projetista.Desafios surgem quando os níveis de confiança são afetados, diretamente ou por obsolescência. E como a tomada de decisão é essencialmente sobre gerenciamento de riscos, lidar com informações parciais ou não confiáveis não pode ser evitado. Daí a importância de gerenciar o conhecimento ao longo das camadas de corte, cada uma com seu próprio ciclo de vida de informações, requisitos de confiança e regras de tomada de decisão.

da arquitetura do conhecimento à capacidade de arquitetura

a arquitetura do conhecimento é o sistema nervoso central corporativo e, como tal, desempenha um papel primordial no suporte de processos operacionais e gerenciais. Esse ponto é parcialmente abordado por estruturas como Zachman, cuja matriz organiza a arquitetura do sistema de informação (ISA) ao longo de capacidades e níveis de design. No entanto, como ilustrado pelos níveis de design, o foco permanece na tecnologia da informação sem abordar explicitamente a distinção entre empresa, sistemas e plataformas.

Essa distinção é fundamental porque ele governa a distinção entre os processos correspondentes, a saber, processos de negócios, engenharia de sistemas, serviços e gerências. E uma vez que a distinção é devidamente estabelecida, a arquitetura do conhecimento pode ser alinhada com a avaliação de processos.

no entanto, isso não será suficiente agora que os ambientes digitais estão invadindo os sistemas corporativos, desfocando a distinção entre ativos de informação gerenciados e os fluxos contínuos de big data.

isso coloca o foco em duas falhas estruturais das arquiteturas corporativas:

• a confusão entre dados, informações e conhecimento.
• a discrepância intrínseca entre sistemas e arquiteturas de conhecimento.

Ambos podem ser superados pelo sistema de fusão e de conhecimento de arquiteturas de aplicação do plano de Pagode:

O alinhamento de plataformas, sistemas, funcionalidades, e organização da empresa, respectivamente, com os dados (ambientes), informações (representações simbólicas) e de conhecimento (inteligência de negócios) melhoraria a rastreabilidade das transformações induzidas pela imersão das empresas em ambientes digitais.

representação do conhecimento & ontologias perfiladas

diante de ambientes de negócios digitais, a empresa deve classificar informações relevantes e precisas de fluxos contínuos e massivos de dados. Como os métodos de modelagem não podem lidar com a gama aberta de contextos, preocupações, semântica e formatos, esquemas mais frouxos são necessários, é precisamente isso que as ontologias devem fazer:

• Thesaurus: ontologias cobrindo Termos e conceitos.
• Documents: ontologies covering documents with regarding to topics.
• negócios: ontologias de organização empresarial relevante e objetos e atividades de negócios.
• Engenharia: representação simbólica de objetos e atividades de organização e Negócios.

Perfilados, as ontologias podem ser concebidos pela combinação de que a taxonomia das preocupações com contextos, e.g:

• Institucional: autoridade Reguladora, constante, alterações sujeitas a procedimentos estabelecidos.
• profissional: acordado entre as partes, estável, mudanças sujeitas a acordos.
• corporativo: definido por empresas, mudanças sujeitas à tomada de decisão interna.
• Social: definido pelo uso, mudanças voláteis, contínuas e informais.
• pessoal: costumeiro, definido por indivíduos nomeados (por exemplo, artigo de pesquisa).

por Último, mas não menos importante, externo (reguladoras, empresas, …) e interna (que eu.e enterprise architecture), ontologias podem ser integrados, por exemplo, com o Zachman framework:

o uso de ontologias perfiladas para gerenciar a arquitetura empresarial e o conhecimento corporativo ajudará a alinhar o gerenciamento do conhecimento com a governança da EA, diferenciando as ontologias definidas externamente (por exemplo, regulamentos), desde as definidas por meio da tomada de decisões, estratégicas (por exemplo, plate-form) ou táticas (por exemplo, parcerias).

um kernel ontológico foi desenvolvido como uma prova de conceito usando protegido / OWL 2; uma versão beta está disponível para comentários no portal Stanford/protegido com o link: Caminao Ontological Kernel (CaKe).

da análise de dados à aprendizagem profunda

definido entre o ataque inclusivo de dados de um lado, bots inteligentes difundidos do outro lado, os sistemas de informação podem perder sua identidade e propósito. E há uma boa razão para isso, ou seja, a confusão entre dados, informações e conhecimento.

como aconteceu há eons, ontologias foram explicitamente embora até lidar com essa questão.

Ler Mais

• Sistemas de Informação, Conhecimento,
• Ontologias & Modelos
• Caminao Ontológica do Kernel (Protégé/OWL 2)
• Ontologias & Arquitetura Corporativa
• Ontologias como Activos Produtivos
• Enterprise Governance & Conhecimento
• Ágil Colaboração & Criatividade Social
• Reinventar a roda
• Alternativa Fatos & Realidade Aumentada
• AlphaGo: De Aprendizagem Intuitiva para Holística do Conhecimento,
• AlphaGo & Não-Zero-Soma Concursos
• Ano Novo: de 2016 é o único a Saber
• Governança, Regulamentos & Riscos
• Eventos & tomada de Decisão
• Inteligência Operacional & tomada de Decisão
• Mineração de Dados & Análise de Requisitos
• EA: A entropia Antídoto
• a Agilidade do Negócio vs Sistemas de Entropia